图像特征提取是计算机视觉应用的根本基础。
研究了SIFT、LBP和HOG等3种信息互补的局部特征（即多角度局部特征）提取算法，研究了基于稀疏编码的图像相似性匹配算法，并以基于内容的图像检索（CBIR）为应用实例，验证了算法的有效性和高效性。

本书针的读者是高校学生，科研工作者，图像处理爱好者。
对于这些人群，他们往往是带着具体的问题，在苦苦寻找解决方案。
为了一个小问题就让他们去学习C++这么深奥的语言几乎是不可能的。
而Python的悄然兴起给他们带来的希望，如果说C++是tex的话，那Python的易用性相当于word。
他们可以很快的看懂本书的所有代码，并可以学着使用它们来解决自己的问题，同时也能拓展自己的视野。
别人经常说Python不够快，但是对于上面的这些读者，我相信这不是问题，现在我们日常使用的PC机已经无比强大了，而且绝大多数情况下不会用到实时处理，更不会在嵌入式设备上使用。
因此这不是问题。
本书目录：目录I走进OpenCV101关于OpenCV-Python教程102在Windows上安装OpenCV-Python113在Fedora上安装OpenCV-Python12IIOpenCV中的Gui特性134图片134.1读入图像4.2显示图像4.3保存图像4.4总结一下5视频5.1用摄像头捕获视频5.2从文件中播放视频5.3保存视频6OpenCV中的绘图函数6.1画线6.2画矩形6.3画圆6.4画椭圆6.5画多边形6.6在图片上添加文字7把鼠标当画笔7.1简单演示7.2高级一点的示例8用滑动条做调色板8.1代码示例III核心操作9图像的基础操作9.1获取并修改像素值9.2获取图像属性9.3图像ROI9.4拆分及合并图像通道9.5为图像扩边（填充）10图像上的算术运算10.1图像加法10.2图像混合10.3按位运算11程序性能检测及优化11.1使用OpenCV检测程序效率11.2OpenCV中的默认优化11.3在IPython中检测程序效率11.4更多IPython的魔法命令11.5效率优化技术12OpenCV中的数学工具IVOpenCV中的图像处理13颜色空间转换5413.1转换颜色空间13.2物体跟踪13.3怎样找到要跟踪对象的HSV值？14几何变换14.1扩展缩放14.2平移14.3旋转14.4仿射变换14.5透视变换15图像阈值15.1简单阈值15.2自适应阈值15.3Otsu’s二值化15.4Otsu’s二值化是如何工作的？16图像平滑16.1平均16.2高斯模糊16.3中值模糊16.4双边滤波17形态学转换17.1腐蚀17.2膨胀17.3开运算17.4闭运算17.5形态学梯度17.6礼帽17.7黑帽17.8形态学操作之间的关系18图像梯度18.1Sobel算子和Scharr算子8718.2Laplacian算子19Canny边缘检测19.1原理19.1.1噪声去除19.1.2计算图像梯度19.1.3非极大值抑制19.1.4滞后阈值19.2OpenCV中的Canny边界检测20图像金字塔9420.1原理21OpenCV中的轮廓22直方图23图像变换24模板匹配25Hough直线变换26Hough圆环变换27分水岭算法图像分割28使用GrabCut算法进行交互式前景提取29理解图像特征30Harris角点检测31Shi-Tomasi角点检测&适合于跟踪的图像特征32介绍SIFT(Scale-InvariantFeatureTransform)33介绍SURF(Speeded-UpRobustFeatures)34角点检测的FAST算法35BRIEF(BinaryRobustIndependentElementaryFeatures)36.1OpenCV中的ORB算法37特征匹配38使用特征匹配和单应性查找对象39Meanshift和Camshift40.3OpenCV中的Lucas-Kanade光流41背景减除23841.1基础42摄像机标定43姿势估计44对极几何（EpipolarGeometry）45立体图像中的深度地图25945.1基础46K近邻（k-NearestNeighbour）47支持向量机48K值聚类49图像去噪50图像修补51使用Haar分类器进行面部检测

能够读取遥感影像，并利用Moravec和fostner算子提取特征点，内附影像

matlab实现的基于颜色直方图的特征匹配，RGB转换成hsv，量化颜色，计算两幅图像特征向量之间的距离，实现颜色特征匹配。
同时，二值化之后，计算zernike矩和hu不变矩，可以作为第二个特征匹配量。

本文介绍了图像的特征提取及融合方法。
可以让你更加深刻的理解特征的提取和融合算法

本书对小波分析在MATLAB中的应用进行了详细的介绍，全书以小波为主题展开叙述，不仅对小波理论有详细的介绍，而且将理论与实际相结合，列举了数百个利用小波方法来处理信息的综合算例，这些算例均可在MATLABR2013a版本中运行。
本书共分为17章。
第1、第2两章主要介绍了MATLAB的基本功能，包括MATLAB的环境、数据类型、M文件、句柄和高级用户界面GUI等。
第3～8章是关于小波分析的基础知识与应用，包括傅立叶变换、连续小波变换、离散小波变换、多分辨分析、小波基和小波包及其应用。
第9～17章是小波分析的应用部分，分别介绍了小波分析用于信号滤波、信号去噪、信号压缩、信号识别与检测、图像去噪、图像压缩、图像增强、图像融合、图像特征提取和样本估计。
每一章都配备了大量的MATLAB实例。

科学出版社，2008；
第1章绪论；
第2章合成孔径雷达；
第3章雷达目标电磁散射计算；
第4章合成孔径雷达图像特征分析；
第5章合成孔径雷达图像分割；
第6章合成孔径雷达图像目标分类；
第7章合成孔径雷达图像目标识别；
第8章合成孔径雷达图像融合；
第9章合成孔径雷达图像压缩；

针对日常生活中的行人安全问题，本文采用一种基于彩色和红外特征的多模式行人检测方法，提高行人检测的精度。
本文通过分类检测障碍物和行人区域的颜色和红外特征，设计一个多模式三焦框架，将检测得到的多模式图像特征结合在一起，促进多模式行人检测的发展。
实验结果表明，当颜色、视差和红外特征结合使用时，该方法检测性能显著提高。

设计了无标定视觉伺服的仿人智能控制器，仿真完成了无标定双目视觉下机械臂的五自由度运动空间定位。
选取点特征作为双目视觉图像特征，设计了视觉特征模型与多模态视觉伺服控制器，并在Matlab平台下设计了五自由度运动空间的视觉定位仿真实验，验证了方法的有效性。

基于MATLAB的树叶图像特征分类识别，图像分析处理分割特征提取分类识别等

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。